编程与开发 · 第 16 页

在本地代码、笔记本或交互式界面中测试提示词、模型参数和向量检索，并比较实验结果。

为机器学习应用索引向量及 JSON 元数据，执行相似近邻检索以支持图像或文本检索场景。

通过独立数据库服务保存和检索向量，支持文本嵌入、元数据过滤及稠密稀疏混合搜索。

为智能体提供带类型约束和版本分支的图数据库，组合图遍历、向量检索和全文搜索。

在 PostgreSQL 内提供全文、向量及混合检索，以 SQL 组合搜索排序、过滤、聚合和关联查询。

提供分布式向量数据库，将相似度检索与标量过滤结合，用于 AI 应用的语义或图像搜索。

通过命令行或实验界面，根据数据集、自然语言目标和评测指标迭代生成、调试与评估机器学习代码。

通过声明文件和命令行创建 AI/ML 容器开发环境，配置 Python、软件包及交互式工作环境。

提供语言模型微调、推理和评估流程，通过脚本配置模型、训练数据与输出产物。

在命令行诊断是否适合微调，审查数据并比较微调前后的留出集任务表现和通用能力变化。

将深度学习实验的配置、模型、结果和训练曲线保存到 PostgreSQL，并在 Web 界面跟踪实验。

用命令行在现有对象存储或文件系统上管理数据版本，支持提交、版本标签、差异比较和指定版本拉取。

将数据版本与处理流水线结合，在数据变化时触发容器化转换，并追踪产物的数据来源。

通过开源 CLI 与 Python 工具将科学数据、元信息和文档组织为可版本管理的数据包，并同步到 S3。

将对象存储挂载为兼容 POSIX 的共享文件系统，让机器学习等工作负载按文件路径访问数据。

在现有数据基础设施上集中定义、管理与提供模型特征，保留特征变换、训练集和版本的元信息。

管理机器学习离线和在线特征，按时间点构建训练特征集，并通过特征服务为推理提供数据。

从文档生成问答训练数据，支持批量处理、指令扩增和 Alpaca、ShareGPT 等格式导出。

在 Kubernetes 上管理团队的机器学习环境，提供 Jupyter 环境、数据集上传和用户组资源配置。

在 Kubernetes 上以容器步骤和依赖图定义工作流，编排机器学习、批处理及持续集成任务。

为 Kubernetes 批任务管理排队、资源配额和准入顺序，并提供待运行工作负载的可见性。

在 Kubernetes 上调度 AI、机器学习和其他批处理工作负载，支持多种训练与数据处理框架。

用命令行将机器学习模型按版本保存、推送到镜像仓库，并拉取和导出指定模型产物。

分析 Python 的 CPU、GPU 和内存开销，并在性能报告中调用模型为代码行或区域提出优化建议。

在终端和 IDE 中分析代码仓库、规划修改、执行命令并迭代代码任务。

通过自然语言生成业务应用、页面和后端数据服务，并调试应用及定时任务。

用自然语言创建包含前端、后端和数据库的网页应用，并预览迭代和发布。

开源商城系统，管理商品、订单和会员，支持多端零售及嵌入式 AI 导购。

为零售业务连接商城、订单、商品、库存与财务服务，构建统一业务系统。

在 Slack 中提供软件工程学习反馈、指导与个性化建议，并支持学习协作。

提供文本、视觉和语音 AI 接口基础设施，供应用集成功能。

提供电商、人事、内容、旅游和 SEO 场景的预置 AI API 端点，返回结构化 JSON。

提供 AI 垃圾内容检查、IP 过滤、邮箱验证和链接检测。

通过 AI 网页提取 API 将网页内容整理成指定结构，用于检索和数据分析。

将客户反馈、问题和产品需求转换成经审阅的拉取请求，由团队批准关键决定。

通过描述需求与持续指令生成全栈网页应用。